Spécial 25 ans : « L’IA, le big data et le machine learning seront à l’origine d’applications à peine imaginables aujourd’hui »

Quel rôle la technologie a-t-elle joué dans l’essor de la supply chain ?
La technologie a joué un rôle d’accélérateur, plus particulièrement ces dix dernières années, en soutenant l’innovation et en attirant de nouveaux talents. Les innovations se sont principalement articulées autour de trois axes. Premier axe, une meilleure utilisation des données à grande échelle, notamment grâce à l’IA et au big data (algorithmie avancée, recherche des facteurs de corrélation sur des volumes gigantesques de données, hypersegmentation des données, utilisation de modèles probabilistes, etc.), au machine learning et à la scénarisation de la recherche de solutions. Deuxième axe, le renforcement de la traçabilité des données et des flux dans le monde entier, avec les « control towers » qui y sont associées. Troisième axe enfin, l’automatisation et la robotisation des flux physiques (mécanisation des entrepôts), ainsi que des flux d’information (RPA, chatbots, etc.).

Quelle innovation a créé la plus forte rupture ?
Il me semble difficile de hiérarchiser ces innovations, car les enjeux et les cas d’utilisation peuvent être très différents selon les environnements ou les typologies d’entreprises dans lesquelles elles sont mises en œuvre. Si je devais tout de même en faire ressortir une, je mettrais en exergue l’IA, le big data et le machine learning. Je pense que les impacts de ces innovations technologiques ne sont pas encore tous identifiés, et que ces innovations seront à l’origine dans les années à venir de nouvelles applications que nous imaginons à peine aujourd’hui.

Quelle technologie émergente devrait marquer le plus les 25 prochaines années ?

Comme développé ci-dessus, sûrement le triptyque IA, big data et machine learning ! Il me semble que les jumeaux numériques vont aussi permettre d’ouvrir de nouvelles perspectives afin de simuler les flux et les processus supply chain optimisés de demain. Ils sont particulièrement adaptés pour trouver des solutions à des problématiques dans notre monde de plus en plus complexe, incertain et volatil, en intégrant notamment des modèles probabilistes plutôt que déterministes comme le MRP.